首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   13篇
  免费   4篇
  国内免费   12篇
农学   1篇
基础科学   13篇
  14篇
综合类   1篇
  2021年   2篇
  2020年   2篇
  2019年   5篇
  2018年   2篇
  2017年   3篇
  2016年   3篇
  2015年   7篇
  2013年   2篇
  2012年   1篇
  2006年   2篇
排序方式: 共有29条查询结果,搜索用时 20 毫秒
1.
张超  童亮  刘哲  乔敏  刘帝佑  黄健熙 《农业机械学报》2019,50(2):163-168,226
为给监管部门提供更准确的数据,及时发现非法玉米制种区域,根据不同地物在多时相光谱、高空间纹理等特征上的差异,基于163个地面样本、多源时序优选植被指数集和高空间分辨率遥感影像纹理分析的方法,进行制种玉米田识别。通过相关性分析,从GF-1 WFV 多光谱影像计算的8个植被指数(VI)中确定6种,多维度反映不同作物光谱差异,并利用随机森林(RF)分类方法实现玉米田块的识别;利用玉米抽雄期的1期0.7m Kompsat-3全色影像,构建灰度共生矩阵(GLCM)纹理特征体系,并进行局部二值模式(Uniform-LBP)旋转不变处理,解决了影像中作物种植纹理的方向性问题,同时为体现制种玉米父母本间隔种植的特点,提出了Subtract纹理特征,进一步识别制种玉米田。以新疆维吾尔自治区奇台县为研究区,对本文提出的方法进行实例验证,试验结果表明,制种玉米田识别的制图精度、用户精度分别为93.34%、99.19%。  相似文献   
2.
基于时间序列MODIS的农作物类型空间制图方法   总被引:2,自引:0,他引:2  
为快速获取大范围种植结构复杂区域的作物种植面积,以MODIS数据为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、宽动态植被指数(Wide dynamic range vegetation index,WDRVI)、地表水分指数(Land surface water index,LSWI)、归一化雪被指数(Normalized difference snow index,NDSI)5种特征,结合同步的实地调查样本点,采用支持向量机算法(Support vector machines,SVM)提取黑龙江省主要农作物的种植面积。研究表明,在待选特征中NDVI、EVI与LSWI指数组合取得了最高的分类精度,总体分类精度为74.18%,Kappa系数为0.60;支持向量机算法与最大似然算法、随机森林算法相比,分类精度更优。该方法为在大区域中提取农作物种植面积提供了参考价值。  相似文献   
3.
基于GF-1 WFV数据的玉米与大豆种植面积提取方法   总被引:8,自引:4,他引:4  
准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。  相似文献   
4.
利用一维多层水热耦合SHAW(The simultaneous heat and water)模型,在田间实验的基础上,模拟河南省商丘地区2015年冬小麦拔节后近地面层0~40 cm垂直方向上的每小时气温变化特征。结果表明,冬小麦近地面层气温模拟整体效果较好,其中48%模拟的绝对误差低于1℃,75%模拟的绝对误差低于2℃,不同高度上模型效率ME均大于0.94;夜晚气温的模拟效果优于白天的模拟效果,白天11:00—14:00气温被过低估计,并随着近地面层高度的增加,模拟值误差越大;近地面层内3种气温特征值模拟效果的优劣依次为:日平均气温、日最低气温、日最高气温,其中,日平均气温模拟值与实测值基本吻合,日最低气温被略微高估,日最高气温被过低估计。此外,SHAW模型在冬小麦拔节后6个生育期的模拟效果均存在差异,拔节期、灌浆期和乳熟期模拟效果较好,孕穗期和开花期次之,抽穗期模拟效果相对较差。  相似文献   
5.
基于LAI时间序列重构数据的冬小麦物候监测   总被引:5,自引:2,他引:3  
农作物物候信息对农作物长势监测和估产具有重要意义。该文以河北省中南部冬小麦为研究对象,以叶面积指数(LAI,leaf area index)为同化量,采用重采样粒子滤波算法同化WOFOST(world food studies)作物生长模型和遥感观测LAI,重构LAI时间序列数据,基于重构数据提取冬小麦返青期、抽穗期和成熟期等关键物候期。重构结果表明,重构的LAI具有良好的时间连续性和空间连续性,可减缓WOFOST作物模型LAI变化剧烈程度,峰值出现时间与遥感LAI曲线基本同步,且可一定程度上解决遥感观测LAI数值整体偏低和数据缺失的问题。物候期监测结果表明,在空间分布上与冬小麦实际生长状况基本相符,时间上也较为合理,但因在返青期存在LAI高初始值、成熟期存在LAI下限不确定性等问题致使在具体日期存在偏差。  相似文献   
6.
遥感技术在烟草长势监测及估产中的应用进展   总被引:1,自引:1,他引:0  
烟草长势信息是烟草生产管理的重要依据,全面了解遥感技术在烟草长势监测及估产中的应用进展,为利用遥感技术支撑科学化、精细化烟田管理提供科学参考。在对相关文献分析和归纳的基础上,从地面光谱、无人机遥感、卫星遥感3种尺度对目前遥感技术在烟草长势监测与估产方面的应用进行系统总结,并对进一步研究进行展望。(1)基于地面光谱对烟草的监测,主要是利用反射率光谱及其不同的变换形式、光谱指数和光谱位置变量估测其生理生化参量(氮、磷、钾、生物量、叶面积指数、叶绿素等),为诊断烟草生长、健康状况、成熟度提供依据,进一步实现烟草长势监测、估产与品质评定。(2)利用无人机遥感技术能够在小尺度上对作物的面积进行提取、监测长势及估产,但受搭载相机分辨率、地形、自身稳定性等影响,不能监测烟草的细微变化。(3)参考LandSat、SPOT、MODIS、HJ-1等光学遥感数据以及SAR数据,利用遥感影像融合、分类等技术能够实现对大面积烟田病害、长势进行监测和产量估计。结合多源、多平台遥感数据,对烟草的参数进行定量研究,并利用同化技术对大尺度上烟草生长过程进行动态监测,来探索烟草的最佳采收期是未来研究的重点。  相似文献   
7.
遥感与作物生长模型数据同化应用综述   总被引:8,自引:6,他引:2  
遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。  相似文献   
8.
基于WOFOST模型的中国主产区冬小麦生长过程动态模拟   总被引:7,自引:4,他引:3  
大区域尺度WOFOST(world food studies)模型的动态模拟是作物模型区域应用的重要基础。该文以中国冬小麦主产区为研究对象,利用中国冬小麦主产区内174个农业气象站多年观测数据以及气象站点观测数据,重点优化WOFOST模型中与品种相关的积温参数,即出苗至开花有效积温与开花至成熟有效积温。在冬小麦主产区分区的基础上,以2012—2015年气象数据驱动WOFOST模型,在站点尺度进行冬小麦的物候期、叶面积指数(leaf area index,LAI)和单产动态模拟和精度分析。结果表明:WOFOST模型模拟出苗至开花天数的决定系数R2为0.89~0.94,均方根误差RMSE为7.87~11.52 d,模型模拟开花至成熟天数的R2为0.63~0.77,RMSE为2.99~4.65 d;模型模拟LAI的R2为0.70~0.83,RMSE为0.89~1.46 m2/m2;灌溉区WOFOST模拟的单产精度R2为0.45~0.59,RMSE为734~1 421 kg/hm2;雨养区WOFOST模拟的单产精度R2为0.48~0.61,RMSE为1 046~1 329 kg/hm2。结果表明,WOFOST模型在全国尺度取得了较高模拟精度,为区域尺度作物模型的农业应用提供了坚实的过程模型基础。  相似文献   
9.
基于时间序列LAI和ET同化的冬小麦遥感估产方法比较   总被引:13,自引:8,他引:5  
为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。  相似文献   
10.
区域作物产量预测是国家粮食安全评估的重要内容。遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程。作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难。遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径。该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律。针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品。采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LAI以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量。结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2480下降到880kg/hm2。研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力。该研究可为区域尺度的作物估产提供参考。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号